趣味机器学习入门小项目

没有任何理论可以代替实践，虽然教材和课程能让你掌握一些基本原理，但在尝试应用时，你会发现具体操作起来比较困难。

因此项目有助于提高应用机器学习的技巧，此外在找工作中也会给自己增添一些筹码。

这个项目的目标是将现成模型应用到不同的数据集。

首先，你会根据直觉为问题找到对应的模型，实践检验该模型是否对数据丢失具有鲁棒性、是否适合处理哪种类别特征；

其次，本项目将教会你快速设计初始模型的技能，在实际应用中，我们一般会先找到一个简单模型进行快速实现以确定一个baseline，逐步提升模型性能，而不是一蹴而就的完成；

最后，这个练习可以帮助你掌握建模的流程。

下面我理出了一个机器学习问题处理的通用性步骤：

导入数据

数据清洗

将数据集拆成训练/测试或交叉验证集

预处理

变换

特征工程

因为使用现成的模型，这促使你有更多的机会专注于学习上述的这些关键步骤，通过以下教程可以练习回归、分类和聚类算法。

首先介绍一下该项目中所使用到的数据源：

UCI机器学习库——350多个可检索数据集，几乎涵盖每一个主题。

http://archive.ics.uci.edu/ml/

Kaggle数据集——Kaggle社区上的100多个数据集。

https://www.kaggle.com/datasets

Data.gov——由美国政府发布的开放数据集。

https://www.data.gov/

其次是教程，项目中的模型使用Python的第三方库Scikit-learn进行快速实现，需要了解scikit-learn的安装以及使用方法（参考官方手册），具体如下：

Python：sklearn——sklearn数据包官方教程

http://scikit-learn.org/stable/tutorial/

中文教程手册：

http://cwiki.apachecn.org/pages/viewpage.action?pageId=10030179

Scikit Learn预测葡萄酒质量——用于训练机器学习模型的分步教程

http://elitedatascience.com/python-machine-learning-tutorial-scikit-learn

加入社群

天学网人工智能学院

培养符合企业需求的实战型AI人才